LLAMADOS ABIERTOS DEL IMERL
Para consultar los llamados abiertos del IMERL hacer click aquí.
BECAS DE MAESTRÍA Y DOCTORADO
La beca busca apoyar preferentemente a estudiantes avanzados en carreras relacionadas a la temática del grupo mediante la contratación en un cargo docente o extensión horaria. El único fin del apoyo es la realización de un plan de trabajo previamente acordado.
El monto del apoyo dependerá de si se trata de una contratación o extensión horaria, pero la idea es apoyar entre una y dos becas por un monto equivalente al de un cargo de grado 1 (20 horas) durante 6 meses, comenzando en marzo/abril. La fecha límite de presentación es el miércoles 28 de febrero de 2024.
Las líneas de trabajo, en principio, son las del proyecto, es decir:
1) Grandes desvíos en procesos aleatorios (responsable P. Bermolen)
2) Geometría aleatoria (responsable F. Dalmao)
3) Cálculo estocástico y aplicaciones (responsable E. Mordecki)
4) Estadística (responsable J. R. León)
5) Modelos estocásticos en biología y epidemiología (responsable M.I.
Fariello)
Los interesados podrán definir su línea de trabajo luego de la manifestación de interés.
Para presentarse deben enviar cv, escolaridad y una carta de motivación breve a Federico Dalmao (fdalmao@unorte.edu.uy) y Ernesto Mordecki (mordecki@cmat.edu.uy) responsables del proyecto.
Aprendizaje Automático con Garantías Matemáticas: Marcelo Fiori y Mauricio Velasco serán responsables de un proyecto ANII-FCE titulado "Aprendizaje Automático con Garantías Matemáticas". El proyecto viene con financiación para una beca de maestría o doctorado, por lo que están buscando estudiantes motivados con intereses en grafos/optimización/estadística y programación, dispuestos a empezar posgrado en 2024. Ambos investigadores estarán en el coloquio, así que cualquier duda se acercan a conversar, o les escriben un correo (mfiori@fing.edu.uy). Resumen del plan de trabajo: Aprendizaje Automático con Garantías Matemáticas Desarrollos recientes en la aplicación del aprendizaje profundo han hecho de las redes neuronales una tecnología clave que se espera ocupe un papel preponderante en la sociedad a corto plazo. A medida que la importancia de estas tecnologías aumenta, el estudio y comprensión de sus limitaciones se hacen más importantes para la sociedad como conjunto. Fenómenos como la susceptibilidad de los modelos de imagen a corrupción adversaria, que revela la fragilidad de las redes neuronales, o la propensión de los modelos de lenguaje a producir "alucinaciones", entre otras, hacen fundamental la construcción de algoritmos de aprendizaje automático que incorporen garantías formales de calidad y rendimiento. En este proyecto proponemos varias arquitecturas novedosas de ML que vienen acompañadas de certificados (es decir de demostraciones matemáticas) de la calidad de sus resultados. En concreto, desarrollaremos algoritmos de aprendizaje por reforzamiento para construir soluciones aproximadas de problemas NP-completos con garantías de calidad, combinando ideas de RL y trabajos recientes en optimización combinatoria y geometría discreta. Así mismo desarrollaremos un nuevo paradigma para entrenar arquitecturas de redes neuronales basadas en grafos (GNNs) que simultáneamente construye demostraciones de su estabilidad. Estos algoritmos fundacionales tienen una enorme cantidad de aplicaciones concretas y se pondrán a disposición de actores académicos y de la industria como implementaciones de código abierto, aumentando la capacidad científica y técnica del país.
Becas Osana Abrahamian: El plazo de postulación para las becas Osana Abrahamian para estudios de DOCTORADO será desde el 1 de diciembre de 2023 hasta el 29 de febrero de 2024 a las 11.59 pm. Los interesados pueden ser estudiantes de Matemática de cualquier nacionalidad y que se encuentren en cualquier etapa de su carrera, que estén interesados en realizar estudios de Doctorado en Matemática en la Universidad de la República del Uruguay, y que no sean actualmente beneficiarios de otra beca de maestría o doctorado. Haga click aquí para acceder a las bases para la postulación.